本發(fā)明涉及，具體涉及一種菜籽油期貨價格預測方法。

背景技術：

我國于1990年設立鄭州商品交易所，開展農(nóng)產(chǎn)品期貨交易。經(jīng)過20多年的發(fā)展，我國農(nóng)產(chǎn)品期貨市場日趨成熟，已經(jīng)在市場經(jīng)濟中發(fā)揮了不可替代的作用。農(nóng)產(chǎn)品期貨作為期貨交易的一種其價格的變動受多種因素的綜合作用，通過研究農(nóng)產(chǎn)品期貨價格行為特征，把握期貨價格的變動規(guī)律，對于管理者正確調(diào)控期貨市場和投資者制定正確的投資策略，都具有十分重要的理論和現(xiàn)實意義。

已有的期貨價格預測方法為了能夠滿足對多個期貨品種的價格預測，普遍只會對期貨交易行為加以考慮，包括開盤價，最高價，最低價，收盤價，持倉量，成交量，成交額等這些共有的交易行為。而實際上一種預測模型并不具有普適性，這就導致針對某種期貨的預測模型并不是一種最優(yōu)選擇。對于菜籽油期貨而言，除交易行為外的諸多價格影響因子同樣對其價格變化有重要影響。

技術實現(xiàn)要素：

為了克服已有方法忽略考慮相關影響因子的不足，本發(fā)明提供了一種菜籽油期貨價格預測方法。

本發(fā)明采用如下技術方案：

一種菜籽油期貨價格預測方法，所述方法包括如下步驟：

S1、根據(jù)相關先驗知識選取影響菜籽油期貨價格的因子；

S2、收集相關因子的時間序列信息，得到原始數(shù)據(jù)；

S3、處理原始數(shù)據(jù)，得到相關主力合約的交易行為序列；

S4、對主力合約的原始數(shù)據(jù)進行灰色關聯(lián)分析，舍棄關聯(lián)度大小靠后的影響因子；

S5、將保留的影響因子序列分成訓練集和測試集，輸入BP神經(jīng)網(wǎng)絡進行訓練步驟；

S6、用訓練好的BP神經(jīng)網(wǎng)絡模型進行預測。

優(yōu)選的，所述步驟S1中的影響因子包括菜籽油期貨價格的交易行為以及非交易行為，所述交易行為包括：開盤價，最高價，收盤價，最低價，持倉量，成交量以及成交額；所述非交易行為包括相關期貨價格、原材料期貨價格以及下游期貨價格。

優(yōu)選的，所述相關期貨價格為豆油、棕櫚油的期貨價格；所述原材料期貨價格為油菜籽的期貨價格；所述下游期貨價格為菜籽粕的期貨價格。

優(yōu)選的，所述步驟S3中的主力合約為當天成交量最大的期貨合約。

優(yōu)選的，所述步驟S4中灰色關聯(lián)分析后舍棄的影響因子為菜籽油期貨的成交量和成交額以及菜籽粕的價格。

本發(fā)明由于采用了上述技術方案，具有以下有益效果：與現(xiàn)有技術相比，本發(fā)明的有益效果是將除了交易行為之外的其他價格影響因子引入菜籽油期貨價格預測，使得菜籽油期貨價格預測結(jié)果更具有可信度和穩(wěn)定性，可對菜籽油期貨收盤價做出短期的有效預測。

附圖說明

附圖用來提供對本發(fā)明的優(yōu)選的理解，并且構(gòu)成說明書的一部分，與本發(fā)明的實施例一起用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的限制。在附圖中：

圖1為本發(fā)明的整體流程圖。

具體實施方式

為使本發(fā)明實施例的目的、技術方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所述描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領域普通技術人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

本發(fā)明的一種菜籽油期貨價格預測方法，包括如下步驟：

步驟1中，根據(jù)相關先驗知識選取影響菜籽油期貨價格的因子。影響菜籽油期貨價格的因素主要表現(xiàn)在以下四個方面的：菜籽油的供求關系，主要表現(xiàn)在菜籽油的產(chǎn)量、消費量、季節(jié)性規(guī)律以及庫存等方面。我國油菜籽供應和價格，主要表現(xiàn)在我國油菜籽種植面積、單產(chǎn)及油菜籽價格等方面。相關及替代商品價格影響，主要表現(xiàn)在菜籽油和菜粕的比價關系、其他油脂的價格等方面。國際市場相關油脂的供求及價格，主要表現(xiàn)在菜籽油的進口量、進口價格等方面。實際上在進行短期預測時，一些長期影響因素可不做考慮，綜合考量，選取油菜籽和菜籽粕，豆油和棕櫚油這四種期貨的價格作為相關因子。

步驟2中，收集相關因子的時間序列信息，得到原始數(shù)據(jù)。在鄭州商品交易所和大連商品交易所的網(wǎng)站公開歷史數(shù)據(jù)集收集菜籽油期貨和相關期貨的歷史價格。

步驟3中，處理原始數(shù)據(jù)，得到相關主力合約的交易行為序列。所謂期貨合約指由期貨交易所統(tǒng)一制訂的、規(guī)定在將來某一特定的時間和地點交割一定數(shù)量和質(zhì)量實物商品或金融商品的標準化合約。所以在某種商品的交割時間到后該合約將不復存在。為了實現(xiàn)獲得連續(xù)的價格序列，對原始數(shù)據(jù)進行處理，得到主力合約的價格時間序列，所謂主力合約就是當天成交量最大的期貨合約。

步驟4中，對主力合約的原始數(shù)據(jù)進行灰色關聯(lián)分析，舍棄關聯(lián)度大小靠后的影響因子。由灰色理論提出的灰關聯(lián)度分析方法，基本思想是根據(jù)序列曲線幾何形狀的相似程度來判斷不同序列之間的聯(lián)系是否緊密?；舅悸肥峭ㄟ^線性插值的方法將系統(tǒng)因素的離散行為觀測值轉(zhuǎn)化為分段連續(xù)的折線，進而根據(jù)折線的幾何特征構(gòu)造測度關聯(lián)程度的模型。折線幾何形狀越接近，相應的序列之間的關聯(lián)度就越大，反之就越小。

設系統(tǒng)的行為序列

對于ξ∈(0,1)，令

則γ(X₀,X_i)滿足灰色關聯(lián)公理，其中ξ稱為分辨系數(shù)。γ(X₀,X_i)稱為X₀,X_i的灰色關聯(lián)度。計算結(jié)果中菜籽粕以及油菜籽期貨交易行為中的成交量和成交額排名靠后，關聯(lián)度偏小，予以剔除。

步驟5中，將保留的影響因子序列分成訓練集和測試集，輸入BP神經(jīng)網(wǎng)絡進行訓練。輸入量當天為8個維度的值，包括開盤價，最高價，最低價，收盤價，持倉量，油菜籽，豆油和棕櫚油的價格，神經(jīng)網(wǎng)絡隱含層節(jié)點數(shù)由試湊法確定為4，輸出為油菜籽期貨的后一天的收盤價。利用matlab自帶的神經(jīng)網(wǎng)絡工具箱進行訓練，建立8-4-1神經(jīng)網(wǎng)絡模型。

最后利用訓練好的BP神經(jīng)網(wǎng)絡模型進行預測分析，使得菜籽油期貨價格預測結(jié)果更具有可信度和穩(wěn)定性，可對菜籽油期貨收盤價做出短期的有效預測。

以上所述僅為本發(fā)明的優(yōu)選實施例而已，并不用于限制本發(fā)明，盡管參照前述實施例對本發(fā)明進行了詳細的說明，對于本領域的技術人員來說，其依然可以對前述實施例所記載的技術方案進行修改，或者對其中部分技術特征進行等同替換。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內(nèi)。